Zeitschrift für Kernenergiewissenschaft und Energieerzeugungstechnologie

Optimierung von Dieselmotorparametern mittels genetischem Algorithmus

Magesh Kannan V und Amirthagadeshwaran KS

Diese Arbeit beinhaltet die Auswahl von Parametern für einen Kompressionszündungsmotor, die den Kraftstoffverbrauch und die Schadstoffemissionen wie Kohlenmonoxid und Stickoxide beeinflussen. Es werden Experimente zur Leistungs- und Emissionsmessung durchgeführt, indem die Betriebsparameter innerhalb des Betriebsbereichs variiert werden. Es werden vollfaktorielle Experimente durchgeführt und diese umfangreichen Daten mithilfe nicht-traditioneller Soft-Computing-Techniken, nämlich genetischer Algorithmen (GA), analysiert. Mithilfe der MINITAB-Software werden mathematische Modelle erstellt und mittels GA zur Optimierung der Einstellungen verwendet. Mithilfe der experimentellen Daten wurde ein einschichtiges Levenberg-Marquardt-Backpropagation-Netzwerk trainiert. Mithilfe des trainierten Netzwerks wird die Ausgabe für den optimalen Parametersatz aus dem GA vorhergesagt. Die Ergebnisse aus Experimenten und GA werden verglichen und die Resultate diskutiert. Dieser optimierte Parametersatz verringert, wenn er im Motor angewendet wird, die Schadstoffemissionen des Motors und steigert seine Leistung, wodurch Kraftstoff gespart und die Umwelt sauberer wird.